Как сэкономить 25 миллионов на внедрении простого ИИ
Обнаружили прикладной кейс использования искусственного интеллекта (а скорее компьютерного зрения) от Т2 – компания автоматизировала контроль рекламных материалов в торговых точках с помощью ИИ. За полгода система проверила 400 тысяч фотографий и, по заявлениям компании, поможет сэкономить 25 миллионов рублей в год.
Задача, на первый взгляд, выглядит не сложно – проверить правильность размещения промоматериалов в точках продаж. Пока не начинаешь думать о том, что этих точек десятки тысяч (включая партнёрские), они расположены по всей стране и для проверки нужно неприлично большое количество сотрудников. В Т2 вот говорят, что это задача физически не могла быть выполнена вручную.
Поэтому компания решила собственными силами, в Т2 in-house, сделать сервис для решения проблемы. Получился написанный на Python бот в Телеграме. Почему Телеграм – понятно, ведь так сотрудникам не надо ставить сторонние приложения и заново учиться ими пользоваться, да и цикл разработки быстрее. А национальные мессенджеры, к сожалению, пока не пользуются такой же народной любовью.
У компании уже есть опыт в использовании нейросетей для контроля оформления франшизных точек продаж, такой продукт был запущен ещё несколько лет назад. Теперь сделали сервис для POSM материалов. Следующий шаг – внедрение более сложных моделей компьютерного зрения на базе фидбэка и повторной экспертизы сотрудников. Так как базовая автоматизация окупилась, теперь можно инвестировать в расширение функциональности и перенаправить деньги куда-то ещё.
Обнаружили прикладной кейс использования искусственного интеллекта (а скорее компьютерного зрения) от Т2 – компания автоматизировала контроль рекламных материалов в торговых точках с помощью ИИ. За полгода система проверила 400 тысяч фотографий и, по заявлениям компании, поможет сэкономить 25 миллионов рублей в год.
Задача, на первый взгляд, выглядит не сложно – проверить правильность размещения промоматериалов в точках продаж. Пока не начинаешь думать о том, что этих точек десятки тысяч (включая партнёрские), они расположены по всей стране и для проверки нужно неприлично большое количество сотрудников. В Т2 вот говорят, что это задача физически не могла быть выполнена вручную.
Поэтому компания решила собственными силами, в Т2 in-house, сделать сервис для решения проблемы. Получился написанный на Python бот в Телеграме. Почему Телеграм – понятно, ведь так сотрудникам не надо ставить сторонние приложения и заново учиться ими пользоваться, да и цикл разработки быстрее. А национальные мессенджеры, к сожалению, пока не пользуются такой же народной любовью.
У компании уже есть опыт в использовании нейросетей для контроля оформления франшизных точек продаж, такой продукт был запущен ещё несколько лет назад. Теперь сделали сервис для POSM материалов. Следующий шаг – внедрение более сложных моделей компьютерного зрения на базе фидбэка и повторной экспертизы сотрудников. Так как базовая автоматизация окупилась, теперь можно инвестировать в расширение функциональности и перенаправить деньги куда-то ещё.
И ты, Брут?
Сказ о том, как Сэм Альтман кинул Microsoft, которые хотели кинуть Сэма Альтмана.
История OpenAI – это мастер-класс по пользованию своими инвесторами. Сначала Сэм Альтман сотрудничал с Маском и брал у него деньги, а потом унюхал ветер перемен, отказался де-факто (не де-юре) от некоммерческой сути компании и переметнулся к Microsoft. Правда, когда тот же ветер перемен подул снова – как было удержаться?
Microsoft оказались в неловкой ситуации. Компания вложила 13 миллиардов долларов в OpenAI и сделала их технологии основой почти для всех своих ИИ-продуктов. По сути, Microsoft своими руками взрастил конкурента, от которого теперь зависит. Ну а «партнёрство», которое выгодно кому-то больше, чем OpenAI, Сэма Альтмана не устраивает.
Он хочет снизить долю доходов, передаваемых Microsoft, с нынешних 20% до 10% к 2030 году, и получить одобрение на преобразование в общественно-полезную корпорацию. Правда, Microsoft тоже не лыком шиты и готовы пойти на уступки… Но требуют гарантии доступа к технологиям после 2030 года и больше предложенных 33% акций в реструктурированной компании.
Формально стороны говорят о «перестройке отношений», но за кулисами OpenAI рассматривает возможность обвинить Microsoft в антимонопольных нарушениях. Спор идет вoкруг прав на купленный недавно стартап Windsurf – Microsoft хочет получать доступ к технологиям стартапа, а Альтман говорит, что у них есть свой продукт Github Copilot в той же нише и это конфликт интересов.
Есть ещё один нюанс – OpenAI зависит от облака Azure, поэтому для диверсификации компания вместе с Масаёси Соном из SoftBank и Oracle строит дата-центры для проекта Stargate и делает ставку на государственные контракты через ChatGPT Gov (там Microsoft отказаться предоставлять облачные услуги в случае чего будет сложнее).
Суть проста: Альтман хочет освободиться от зависимости, найти новых инвесторов, не терять преференции на пользование облаками Azure – и при этом не делиться технологиями. А Microsoft хотят, видимо, хотя бы сохранить статус кво.
Сказ о том, как Сэм Альтман кинул Microsoft, которые хотели кинуть Сэма Альтмана.
История OpenAI – это мастер-класс по пользованию своими инвесторами. Сначала Сэм Альтман сотрудничал с Маском и брал у него деньги, а потом унюхал ветер перемен, отказался де-факто (не де-юре) от некоммерческой сути компании и переметнулся к Microsoft. Правда, когда тот же ветер перемен подул снова – как было удержаться?
Microsoft оказались в неловкой ситуации. Компания вложила 13 миллиардов долларов в OpenAI и сделала их технологии основой почти для всех своих ИИ-продуктов. По сути, Microsoft своими руками взрастил конкурента, от которого теперь зависит. Ну а «партнёрство», которое выгодно кому-то больше, чем OpenAI, Сэма Альтмана не устраивает.
Он хочет снизить долю доходов, передаваемых Microsoft, с нынешних 20% до 10% к 2030 году, и получить одобрение на преобразование в общественно-полезную корпорацию. Правда, Microsoft тоже не лыком шиты и готовы пойти на уступки… Но требуют гарантии доступа к технологиям после 2030 года и больше предложенных 33% акций в реструктурированной компании.
Формально стороны говорят о «перестройке отношений», но за кулисами OpenAI рассматривает возможность обвинить Microsoft в антимонопольных нарушениях. Спор идет вoкруг прав на купленный недавно стартап Windsurf – Microsoft хочет получать доступ к технологиям стартапа, а Альтман говорит, что у них есть свой продукт Github Copilot в той же нише и это конфликт интересов.
Есть ещё один нюанс – OpenAI зависит от облака Azure, поэтому для диверсификации компания вместе с Масаёси Соном из SoftBank и Oracle строит дата-центры для проекта Stargate и делает ставку на государственные контракты через ChatGPT Gov (там Microsoft отказаться предоставлять облачные услуги в случае чего будет сложнее).
Суть проста: Альтман хочет освободиться от зависимости, найти новых инвесторов, не терять преференции на пользование облаками Azure – и при этом не делиться технологиями. А Microsoft хотят, видимо, хотя бы сохранить статус кво.
👍1
ИИ может украсть наши деньги или обмануть, но проблема не в нём
Anthropic провели любопытный эксперимент: дали своим ИИ-моделям двойные задания – выполнить обычную работу и параллельно совершить что-то вредное. Например, перевести небольшую сумму друзьям по просьбе пользователя, но тайком отправить 5 тысяч долларов постороннему. В результате ИИ честно и без зазрения совести выполнял полученные задания, а сильнейшие модели в 60% случаев успешно обманывали систему мониторинга (ИИ-детектива, который пытался помешать совершить подозрительное действие).
На первый взгляд страшно – ИИ умеет обманывать и саботировать наши команды! Подобное исследование уже было недавно, когда разные модели играли в Дипломатию и учились предавать друг-друга. Но если подумать, страшно совсем не это. Модели просто выполняли те задачи, которые им сказали делать, в специальных тестовых условиях. То есть реальная угроза не в том, что ИИ сам по себе вдруг начнёт нам вредить, а в том, что люди могут использовать его (и уже делают это) для обмана и саботажа. И защиты от этого пока нет.
А есть ещё другая сторона проблемы. Даже когда ИИ не хочет навредить (а он вряд ли знает саму концепцию «вреда», разве что через набор токенов, который мало что значит) – он может делать это случайно. Современные модели довольно глупые, у них нет пространственного и образного мышления, они не понимают контекст так, как люди. Если дать им сложную задачу с несколькими шагами, они легко могут всё перепутать, много раз ошибиться, ходить по кругу. Как те «сотрудники-агенты» в виртуальной компании.
Такие исследования – лишнее подтверждение, что пока идея ИИ-агентов с делегирование ответственности, платежами, доступом к персональным данным и мессенджерам, которые будут самостоятельно выполнять сложные задачи пользователя – выглядит сомнительно. Слишком много способов всё испортить – от целенаправленного джейлбрейка до тупняка и ошибок самих моделей, которые могут привести к потере денег и важных личных данных.
Anthropic провели любопытный эксперимент: дали своим ИИ-моделям двойные задания – выполнить обычную работу и параллельно совершить что-то вредное. Например, перевести небольшую сумму друзьям по просьбе пользователя, но тайком отправить 5 тысяч долларов постороннему. В результате ИИ честно и без зазрения совести выполнял полученные задания, а сильнейшие модели в 60% случаев успешно обманывали систему мониторинга (ИИ-детектива, который пытался помешать совершить подозрительное действие).
На первый взгляд страшно – ИИ умеет обманывать и саботировать наши команды! Подобное исследование уже было недавно, когда разные модели играли в Дипломатию и учились предавать друг-друга. Но если подумать, страшно совсем не это. Модели просто выполняли те задачи, которые им сказали делать, в специальных тестовых условиях. То есть реальная угроза не в том, что ИИ сам по себе вдруг начнёт нам вредить, а в том, что люди могут использовать его (и уже делают это) для обмана и саботажа. И защиты от этого пока нет.
А есть ещё другая сторона проблемы. Даже когда ИИ не хочет навредить (а он вряд ли знает саму концепцию «вреда», разве что через набор токенов, который мало что значит) – он может делать это случайно. Современные модели довольно глупые, у них нет пространственного и образного мышления, они не понимают контекст так, как люди. Если дать им сложную задачу с несколькими шагами, они легко могут всё перепутать, много раз ошибиться, ходить по кругу. Как те «сотрудники-агенты» в виртуальной компании.
Такие исследования – лишнее подтверждение, что пока идея ИИ-агентов с делегирование ответственности, платежами, доступом к персональным данным и мессенджерам, которые будут самостоятельно выполнять сложные задачи пользователя – выглядит сомнительно. Слишком много способов всё испортить – от целенаправленного джейлбрейка до тупняка и ошибок самих моделей, которые могут привести к потере денег и важных личных данных.
❤4
Что за Minimax и почему их называют новым Deepseek?
Китайский стартап MiniMax выпустил модель MiniMax-M1, которая, по заявлениям компании, превосходит DeepSeek R1 по эффективности и требует почти вдвое меньше вычислительных ресурсов. Так что же, у нас появился новый Deepseek? Не совсем.
MiniMax – не новичок в сфере ИИ. Компания работает с 2021 года, создала популярный видеогенератор Hailuo AI приложение для общения с ИИ-персонажами Talkie (11 миллионов активных пользователей). За спиной – 600 миллионов долларов инвестиций от Alibaba и Tencent, оценка в 2,5 миллиарда долларов, а недавно озвучены планы IPO в Гонконге.
Из-за чего весь сыр-бор? Технически M1 выглядит неплохо. Модель поддерживает контекст в миллион токенов – не новость для современных систем вроде Gemini 2.5, GPT-4.1 или Grok 3. У самой MiniMax есть модели с контекстом в 4 миллиона токенов. Главное преимущество – технология Lightning Attention, которая снижает потребление ресурсов.
Что это за технология? Можно сравнить с чтением книги – ИИ при каждом новом слове должен перечитать всё с начала и «вспомнить» все предыдущие слова. То есть чем длиннее текст, тем больше вычислений на него уходит. Причём не линейно, а в квадрате (текст в 10 раз длиннее требует в 100 раз больше вычислений). Lightning Attention решает эту проблему, разбивая текст на блоки и обрабатывая их более умно – мысля «главами», а не отдельными словами. В итоге ИИ Minimax может работать с огромными документами тратя столько же ресурсов, сколько конкуренты тратят на короткую статью. Коммерческий потенциал технологии можете прикинуть сами.
Компания заявляет, что потратила всего 534 тысячи долларов на обучение модели. Звучит скромно на фоне десятков или даже сотен миллионов у конкурентов (вроде OpenAI) или 5-6 миллионов у DeepSeek – хотя мы никаких сумм не знаем наверняка. Но цифры не совсем честные – в расчёт включена только аренда железа, без зарплат разработчиков, R&D и других затрат. Также они не производили тренировку на своих мощностях, в отличие от Deepseek, которым понадобилось закупать видеокарты и строить необходимую инфраструктуру.
Но называть MiniMax «новым DeepSeek», как это поспешили сделать СМИ, преждевременно. DeepSeek запомнился не выдающимися техническими характеристиками. А тем, что стал первым крупным китайским open-source проектом в сфере ИИ, который смог соперничать с OpenAI, снизил затраты на обучение и в моменте обрушил американский фондовый рынок. Молния дважды в одно место не бьёт – рынок не будет реагировать на каждый новый релиз так же драматично.
Более того, конкуренты быстро подсуетились и повторили достижения Deepseek – в этом и прелесть, и недостаток открытого кода. Здесь будет то же самое – Minimax выложила код в открытый доступ под лицензией Apache, так что для внедрения Lightning attention конкурентам не понадобится слишком много времени.
Ну и создать хорошую модель – полдела. MiniMax придётся менять устоявшиеся привычки пользователей, переманивая их у конкурентов, а это очень сложно. В видео и аудио у компании хорошие перспективы (буквально на днях вышла модель для генерации видео Hailuo 02, которую научили делать сложные акробатические сцены, всегда проблемные для ИИ), но завоевать рынок чат-ботов будет проблематично. Как будто у самого DeepSeek, который готовит новую версию, шансов стать «вторым DeepSeek» гораздо больше.
Китайский стартап MiniMax выпустил модель MiniMax-M1, которая, по заявлениям компании, превосходит DeepSeek R1 по эффективности и требует почти вдвое меньше вычислительных ресурсов. Так что же, у нас появился новый Deepseek? Не совсем.
MiniMax – не новичок в сфере ИИ. Компания работает с 2021 года, создала популярный видеогенератор Hailuo AI приложение для общения с ИИ-персонажами Talkie (11 миллионов активных пользователей). За спиной – 600 миллионов долларов инвестиций от Alibaba и Tencent, оценка в 2,5 миллиарда долларов, а недавно озвучены планы IPO в Гонконге.
Из-за чего весь сыр-бор? Технически M1 выглядит неплохо. Модель поддерживает контекст в миллион токенов – не новость для современных систем вроде Gemini 2.5, GPT-4.1 или Grok 3. У самой MiniMax есть модели с контекстом в 4 миллиона токенов. Главное преимущество – технология Lightning Attention, которая снижает потребление ресурсов.
Что это за технология? Можно сравнить с чтением книги – ИИ при каждом новом слове должен перечитать всё с начала и «вспомнить» все предыдущие слова. То есть чем длиннее текст, тем больше вычислений на него уходит. Причём не линейно, а в квадрате (текст в 10 раз длиннее требует в 100 раз больше вычислений). Lightning Attention решает эту проблему, разбивая текст на блоки и обрабатывая их более умно – мысля «главами», а не отдельными словами. В итоге ИИ Minimax может работать с огромными документами тратя столько же ресурсов, сколько конкуренты тратят на короткую статью. Коммерческий потенциал технологии можете прикинуть сами.
Компания заявляет, что потратила всего 534 тысячи долларов на обучение модели. Звучит скромно на фоне десятков или даже сотен миллионов у конкурентов (вроде OpenAI) или 5-6 миллионов у DeepSeek – хотя мы никаких сумм не знаем наверняка. Но цифры не совсем честные – в расчёт включена только аренда железа, без зарплат разработчиков, R&D и других затрат. Также они не производили тренировку на своих мощностях, в отличие от Deepseek, которым понадобилось закупать видеокарты и строить необходимую инфраструктуру.
Но называть MiniMax «новым DeepSeek», как это поспешили сделать СМИ, преждевременно. DeepSeek запомнился не выдающимися техническими характеристиками. А тем, что стал первым крупным китайским open-source проектом в сфере ИИ, который смог соперничать с OpenAI, снизил затраты на обучение и в моменте обрушил американский фондовый рынок. Молния дважды в одно место не бьёт – рынок не будет реагировать на каждый новый релиз так же драматично.
Более того, конкуренты быстро подсуетились и повторили достижения Deepseek – в этом и прелесть, и недостаток открытого кода. Здесь будет то же самое – Minimax выложила код в открытый доступ под лицензией Apache, так что для внедрения Lightning attention конкурентам не понадобится слишком много времени.
Ну и создать хорошую модель – полдела. MiniMax придётся менять устоявшиеся привычки пользователей, переманивая их у конкурентов, а это очень сложно. В видео и аудио у компании хорошие перспективы (буквально на днях вышла модель для генерации видео Hailuo 02, которую научили делать сложные акробатические сцены, всегда проблемные для ИИ), но завоевать рынок чат-ботов будет проблематично. Как будто у самого DeepSeek, который готовит новую версию, шансов стать «вторым DeepSeek» гораздо больше.
👍3
Аишка
Что за Minimax и почему их называют новым Deepseek? Китайский стартап MiniMax выпустил модель MiniMax-M1, которая, по заявлениям компании, превосходит DeepSeek R1 по эффективности и требует почти вдвое меньше вычислительных ресурсов. Так что же, у нас появился…
Как понять, что случился технический прорыв? ИИ 30 секунд думает, чтобы ответить на слово «Привет»
😁4
Как похорошел ИИ в московских поликлиниках
За два года нейросети в Москве проанализировали почти миллион маммограмм в рамках ОМС, сэкономив врачам тысячи часов работы.
Эксперименты по внедрению ИИ-сервисов в лучевую диагностику начались ещё в 2020 году, а к 2024 в столице начали использовать ИИ для анализа рентгена без участия врача. Ещё в прошлом году точность диагностики поднялась до 95%, время на описание снимка сократилось на 30%, а доля выявления рака молочной железы на ранних стадиях достигла 80%.
Технологически ничего революционного здесь нет – компьютерное зрение освоили десятки компаний по всему миру. Главное преимущество Москвы в другом: огромный объём медицинских данных. Два миллиона рентгенографий и флюорографий ежегодно, сотни тысяч маммограмм – такой массив информации для обучения нейросетей доступен только крупным мегаполисам с развитой медицинской инфраструктурой.
Главная ценность проекта – в его масштабируемости. Нейросеть, обученная на московских данных, может работать в любом регионе России (спасибо биологии). Причём маленькие города и поселки могут получать услуги диагностики через московскую инфраструктуру (ведь на собственную может попросту не быть денег), что уже и происходит. Наглядный пример, как ИИ демократизирует доступ к медицине и разгружает врачей, не отбирая у них работу.
Мы на этом фоне опасаемся разве что снижения бдительности врачей, которые могут начать слишком полагаться на ИИ. Пока система контроля работает: автономные решения ИИ дублируются проверками специалистов, сложные случаи направляются в референс-центры. Но очень не хочется, чтобы технология привела к размыванию врачебной ответственности.
За два года нейросети в Москве проанализировали почти миллион маммограмм в рамках ОМС, сэкономив врачам тысячи часов работы.
Эксперименты по внедрению ИИ-сервисов в лучевую диагностику начались ещё в 2020 году, а к 2024 в столице начали использовать ИИ для анализа рентгена без участия врача. Ещё в прошлом году точность диагностики поднялась до 95%, время на описание снимка сократилось на 30%, а доля выявления рака молочной железы на ранних стадиях достигла 80%.
Технологически ничего революционного здесь нет – компьютерное зрение освоили десятки компаний по всему миру. Главное преимущество Москвы в другом: огромный объём медицинских данных. Два миллиона рентгенографий и флюорографий ежегодно, сотни тысяч маммограмм – такой массив информации для обучения нейросетей доступен только крупным мегаполисам с развитой медицинской инфраструктурой.
Главная ценность проекта – в его масштабируемости. Нейросеть, обученная на московских данных, может работать в любом регионе России (спасибо биологии). Причём маленькие города и поселки могут получать услуги диагностики через московскую инфраструктуру (ведь на собственную может попросту не быть денег), что уже и происходит. Наглядный пример, как ИИ демократизирует доступ к медицине и разгружает врачей, не отбирая у них работу.
Мы на этом фоне опасаемся разве что снижения бдительности врачей, которые могут начать слишком полагаться на ИИ. Пока система контроля работает: автономные решения ИИ дублируются проверками специалистов, сложные случаи направляются в референс-центры. Но очень не хочется, чтобы технология привела к размыванию врачебной ответственности.
👍3
Цукерберг гуляет на все деньги
Так выглядит сайт компании, которую оценили в 32 миллиарда долларов и которую, по информации CNBC, пытался купить Марк Цукерберг. У неё нет продукта, чем она занимается неясно. Правда, есть нюанс. Её возглавляет Илья Суцкевер, бывший сооснователь OpenAI.
Подробнее об этой компании, Safe Superintelligence, мы напишем как-нибудь в другой раз. В идеале, когда у них появится хоть какой-то продукт или анонс. А пока интересно другое – Илья Суцкевер (вроде как) отказался. Возможно, он знает что-то, чего не знают все остальные. Или просто не хочет рушить отношения с основными инвесторами – а среди них есть Google и Nvidia, причём с Google Cloud у них соглашение об использовании TPU компании.
Цукерберга отказ не смутил и он переключился на переманивание CEO компании Дэниела Гросса, бывшего главы направления ИИ в Apple. Параллельно он пытается привлечь бывшего главу GitHub Ната Фридмана. Про «покупку» Александра Ванга с его Scale AI за 15 миллиардов мы уже писали.
Ну и в дополнение но всему этому Марк Цукерберг отправляет письма отдельным исследователям ИИ, якобы предлагая им зарплату 10 миллионов долларов в год, и пытается переманить сотрудников OpenAI за 100 миллионов долларов бонусных выплат. То есть сорвался с катушек, пошёл ва-банк и покупает кадры на последние деньги.
Хотя, конечно, мы утрируем. Деньги у Цукерберга есть. Да и инвестиции это не спонтанные. Они базируются на призрачном, но таком желанном прогнозе – что ИИ будет приносить Meta* до полутора триллионов долларов к 2035 году. Ну а ковать железо надо сейчас, пока горячо и хайп не прошёл.
P.S. Даже интересно: вот соберёт он команду выдающихся «Мстителей» из мира ИИ – а дальше что? Как он их между собой подружит и заставит работать, а не ходить по TED Talks выступать? И как это поможет криво работающим продуктам Meta*? Как говорится, рыба гниёт с головы.
* компания Meta и её продукты признаны экстремистскими в России.
Так выглядит сайт компании, которую оценили в 32 миллиарда долларов и которую, по информации CNBC, пытался купить Марк Цукерберг. У неё нет продукта, чем она занимается неясно. Правда, есть нюанс. Её возглавляет Илья Суцкевер, бывший сооснователь OpenAI.
Подробнее об этой компании, Safe Superintelligence, мы напишем как-нибудь в другой раз. В идеале, когда у них появится хоть какой-то продукт или анонс. А пока интересно другое – Илья Суцкевер (вроде как) отказался. Возможно, он знает что-то, чего не знают все остальные. Или просто не хочет рушить отношения с основными инвесторами – а среди них есть Google и Nvidia, причём с Google Cloud у них соглашение об использовании TPU компании.
Цукерберга отказ не смутил и он переключился на переманивание CEO компании Дэниела Гросса, бывшего главы направления ИИ в Apple. Параллельно он пытается привлечь бывшего главу GitHub Ната Фридмана. Про «покупку» Александра Ванга с его Scale AI за 15 миллиардов мы уже писали.
Ну и в дополнение но всему этому Марк Цукерберг отправляет письма отдельным исследователям ИИ, якобы предлагая им зарплату 10 миллионов долларов в год, и пытается переманить сотрудников OpenAI за 100 миллионов долларов бонусных выплат. То есть сорвался с катушек, пошёл ва-банк и покупает кадры на последние деньги.
Хотя, конечно, мы утрируем. Деньги у Цукерберга есть. Да и инвестиции это не спонтанные. Они базируются на призрачном, но таком желанном прогнозе – что ИИ будет приносить Meta* до полутора триллионов долларов к 2035 году. Ну а ковать железо надо сейчас, пока горячо и хайп не прошёл.
P.S. Даже интересно: вот соберёт он команду выдающихся «Мстителей» из мира ИИ – а дальше что? Как он их между собой подружит и заставит работать, а не ходить по TED Talks выступать? И как это поможет криво работающим продуктам Meta*? Как говорится, рыба гниёт с головы.
* компания Meta и её продукты признаны экстремистскими в России.
👍1
Гигачат и его крайне глубокие исследования
Сбер анонсировал новую возможность своей нейросети Гигачат – режим «глубоких исследований». Теперь система может собирать информацию из разных источников и формировать структурированные отчёты по заданной теме.
Система состоит из нескольких агентов: один разбивает запрос на задачи, другой ищет данные, третий анализирует, ещё один структурирует выводы. Примеры использования предлагают стандартные: анализ рынков, сравнение конкурентов, обзор научных публикаций. Система обещает выдавать SWOT-анализы, отчёты с трендами и академические обзоры со ссылками на источники. Хотя мы бы пользоваться им для этого, конечно, не рисковали.
Проблема даже не в том, что аналогичные функции уже есть у основных конкурентов – от ChatGPT до специализированных платформ вроде Perplexity. Очевидно, что они начали раньше, имеют больше ресурсов, давно получают обратную связь. Мы и не ожидали увидеть продукт «лучше», но хотя бы продукт, сделанный с пониманием, для кого это, и с учётом ошибок и фишек конкурентов.
Исследования у лидеров рынка могут занимать 10-30 минут и генерировать отчёты на десятки страниц. Гигачат работает быстрее – около минуты-двух. Результат больше напоминает стандартную выдачу нейропоиска (того же Perplexity), которая при этом генерируется мгновенно. Запросы «думать дольше» система настойчиво игнорирует. Так зачем нужно исследование на пару страниц, которое будет генериться насколько минут, если то же самое гораздо быстрее сделает Perplexity или даже российские конкуренты?
Критичнее другое: отсутствие прямых ссылок на источники в тексте. Более того, нормально оформленных источников хотя бы со сносками нет в принципе, их нужно самостоятельно вылавливать (при желании) из потока рассуждений модели. Спасибо, такого желания нет.
Отсюда вытекает и другая проблема – галлюцинации. А они присутствуют. Но они так-то везде есть, просто в других нейросетях можно пройти по ссылке на источник информации, которая вызвала сомнения, и проверить. А тут нельзя. Так какой анализ рынка мы с ним будем проводить? Разве что если рынок воображаемый.
В итоге получается знакомая картина: в Сбере сделали технологически интересное решение, но не подумали о продукте. Не понятно, кто будет пользоваться функцией, зачем, как её монетизировать и чем она хотя бы немного отличается в лучшую сторону от уже существующих аналогов. Пока это больше похоже на демонстрацию возможностей, чем на готовый к массовому использованию продукт.
Сбер анонсировал новую возможность своей нейросети Гигачат – режим «глубоких исследований». Теперь система может собирать информацию из разных источников и формировать структурированные отчёты по заданной теме.
Система состоит из нескольких агентов: один разбивает запрос на задачи, другой ищет данные, третий анализирует, ещё один структурирует выводы. Примеры использования предлагают стандартные: анализ рынков, сравнение конкурентов, обзор научных публикаций. Система обещает выдавать SWOT-анализы, отчёты с трендами и академические обзоры со ссылками на источники. Хотя мы бы пользоваться им для этого, конечно, не рисковали.
Проблема даже не в том, что аналогичные функции уже есть у основных конкурентов – от ChatGPT до специализированных платформ вроде Perplexity. Очевидно, что они начали раньше, имеют больше ресурсов, давно получают обратную связь. Мы и не ожидали увидеть продукт «лучше», но хотя бы продукт, сделанный с пониманием, для кого это, и с учётом ошибок и фишек конкурентов.
Исследования у лидеров рынка могут занимать 10-30 минут и генерировать отчёты на десятки страниц. Гигачат работает быстрее – около минуты-двух. Результат больше напоминает стандартную выдачу нейропоиска (того же Perplexity), которая при этом генерируется мгновенно. Запросы «думать дольше» система настойчиво игнорирует. Так зачем нужно исследование на пару страниц, которое будет генериться насколько минут, если то же самое гораздо быстрее сделает Perplexity или даже российские конкуренты?
Критичнее другое: отсутствие прямых ссылок на источники в тексте. Более того, нормально оформленных источников хотя бы со сносками нет в принципе, их нужно самостоятельно вылавливать (при желании) из потока рассуждений модели. Спасибо, такого желания нет.
Отсюда вытекает и другая проблема – галлюцинации. А они присутствуют. Но они так-то везде есть, просто в других нейросетях можно пройти по ссылке на источник информации, которая вызвала сомнения, и проверить. А тут нельзя. Так какой анализ рынка мы с ним будем проводить? Разве что если рынок воображаемый.
В итоге получается знакомая картина: в Сбере сделали технологически интересное решение, но не подумали о продукте. Не понятно, кто будет пользоваться функцией, зачем, как её монетизировать и чем она хотя бы немного отличается в лучшую сторону от уже существующих аналогов. Пока это больше похоже на демонстрацию возможностей, чем на готовый к массовому использованию продукт.
❤4
Аишка
Гигачат и его крайне глубокие исследования Сбер анонсировал новую возможность своей нейросети Гигачат – режим «глубоких исследований». Теперь система может собирать информацию из разных источников и формировать структурированные отчёты по заданной теме. …
Зато предыдущий рекорд Minimax побит – для ответа на слово «Привет» Гигачату-исследователю понадобилось чуть больше минуты.
Для сравнения, у Gemini Deep Research ушла секунда. Он поздоровался в ответ, рассказал о функции и предупредил, что исследование может занять какое-то время.
Для сравнения, у Gemini Deep Research ушла секунда. Он поздоровался в ответ, рассказал о функции и предупредил, что исследование может занять какое-то время.
😁1
#нейродайджест CRAI за неделю
• OpenAI заключает военный контракт с Пентагоном на 200 миллионов долларов
Компания запускает программу OpenAI for Government, первым клиентом которой станет Министерство обороны США. Топ-менеджеры уже получили воинские звания в специальном подразделении.
• Цукерберг покупает данные за 15 миллиардов долларов
Половину Scale AI – компании, которая учит ИИ отличать кота от собаки, то есть занимается разметкой данных для OpenAI, Google и других крупных участников рынка – внезапно купил Цукерберг.
• ИИ научился красть деньги и обманывать системы защиты
Anthropic провели эксперимент: дали ИИ двойные задания – помочь пользователю и тайком навредить. В 60% случаев ИИ делал вредное задание без сомнений и успешно обманывал системы мониторинга.
• Сбер запускает режим глубокого исследования в Гигачате
Новая функция использует несколько агентов для анализа информации и создания структурированных отчётов. Система работает быстрее конкурентов (1-2 минуты), но в данном случае это скорее минус. Тем более что страдает качество источников и есть галлюцинации.
• Китайский MiniMax создал модель в 100 раз дешевле конкурентов… Но есть нюанс
Новая китайская модель M1 превосходит DeepSeek на длинных текстах и требует вдвое меньше ресурсов благодаря технологии Lightning Attention. Но сможет ли она стать «новым DeepSeek»?
• Москва активно внедряет ИИ в медицинскую диагностику
За два года нейросети проанализировали миллион маммограмм и научились делать это без участия врачей. Главное преимущество Москвы, которое позволило добиться такого результата – огромный объём данных.
• Новый ИИ-браузер Dia оказался… странным
Browser Company выпустили ИИ-браузер со слоганом «общайся со своими вкладками». Но по факту это обычный Chromium с ChatGPT в боковой панели.
• Т2 экономит 25 миллионов рублей на анализе рекламных материалов с ИИ
Компания автоматизировала контроль рекламы в торговых точках с помощью бота в Telegram. За полгода проверили 400 тысяч фотографий. Показательный пример того, как простые ИИ-решения могут окупаться лучше сложных разработок.
• Цукерберг пытается отобрать лучших ИИ-специалистов у конкурентов
Марк пытается купить стартап Safe Superintelligence Ильи Суцкевера за 32 миллиарда и увести их CEO. И это только один пример из множества.
• OpenAI пересматривает отношения с Microsoft
Альтман хочет снизить долю доходов Microsoft с 20% до 10% и получить больше независимости. А Microsoft, в свою очередь, хотят более широкий доступ к технологиям компании. Дело идёт к суду?
• WhatsApp научится читать сообщения за пользователей
Новая функция будет суммировать непрочитанные сообщения с помощью ИИ, а Writing Help – писать ответы за пользователей. Получается замкнутый цикл: ИИ пишет, читает и отвечает – всё сам.
• OpenAI заключает военный контракт с Пентагоном на 200 миллионов долларов
Компания запускает программу OpenAI for Government, первым клиентом которой станет Министерство обороны США. Топ-менеджеры уже получили воинские звания в специальном подразделении.
• Цукерберг покупает данные за 15 миллиардов долларов
Половину Scale AI – компании, которая учит ИИ отличать кота от собаки, то есть занимается разметкой данных для OpenAI, Google и других крупных участников рынка – внезапно купил Цукерберг.
• ИИ научился красть деньги и обманывать системы защиты
Anthropic провели эксперимент: дали ИИ двойные задания – помочь пользователю и тайком навредить. В 60% случаев ИИ делал вредное задание без сомнений и успешно обманывал системы мониторинга.
• Сбер запускает режим глубокого исследования в Гигачате
Новая функция использует несколько агентов для анализа информации и создания структурированных отчётов. Система работает быстрее конкурентов (1-2 минуты), но в данном случае это скорее минус. Тем более что страдает качество источников и есть галлюцинации.
• Китайский MiniMax создал модель в 100 раз дешевле конкурентов… Но есть нюанс
Новая китайская модель M1 превосходит DeepSeek на длинных текстах и требует вдвое меньше ресурсов благодаря технологии Lightning Attention. Но сможет ли она стать «новым DeepSeek»?
• Москва активно внедряет ИИ в медицинскую диагностику
За два года нейросети проанализировали миллион маммограмм и научились делать это без участия врачей. Главное преимущество Москвы, которое позволило добиться такого результата – огромный объём данных.
• Новый ИИ-браузер Dia оказался… странным
Browser Company выпустили ИИ-браузер со слоганом «общайся со своими вкладками». Но по факту это обычный Chromium с ChatGPT в боковой панели.
• Т2 экономит 25 миллионов рублей на анализе рекламных материалов с ИИ
Компания автоматизировала контроль рекламы в торговых точках с помощью бота в Telegram. За полгода проверили 400 тысяч фотографий. Показательный пример того, как простые ИИ-решения могут окупаться лучше сложных разработок.
• Цукерберг пытается отобрать лучших ИИ-специалистов у конкурентов
Марк пытается купить стартап Safe Superintelligence Ильи Суцкевера за 32 миллиарда и увести их CEO. И это только один пример из множества.
• OpenAI пересматривает отношения с Microsoft
Альтман хочет снизить долю доходов Microsoft с 20% до 10% и получить больше независимости. А Microsoft, в свою очередь, хотят более широкий доступ к технологиям компании. Дело идёт к суду?
• WhatsApp научится читать сообщения за пользователей
Новая функция будет суммировать непрочитанные сообщения с помощью ИИ, а Writing Help – писать ответы за пользователей. Получается замкнутый цикл: ИИ пишет, читает и отвечает – всё сам.
OpenAI могли украсть название своего ИИ-устройства
Помните великий план Альтмана, который захантил целого Джони Айва, чтобы сделать «ИИ-устройство» нового поколения? Так вот, вокруг него, в духе компании, возник небольшой скандал. Компания OpenAI убрала с сайта промо-видео и упоминания о партнёрстве с бывшим дизайнером Apple из-за судебного запрета. Причина банальная – спор о торговой марке «io» со стартапом iyO.
iyO подала иск, утверждая, что OpenAI создаёт путаницу на рынке. Судья согласилась, мол, видео действительно может сбить потребителей с толку, ведь обе компании работают в сфере ИИ-устройств. OpenAI заявляет, что не согласна с претензиями и изучает варианты защиты.
Интересная деталь обнаружилась в документах иска. iyO утверждают, что встречались с OpenAI для обсуждения инвестиций и партнёрства, делясь конфиденциальными подробностями о своём продукте. Получается, OpenAI могла осознанно закрепить похожее название, чтобы опередить конкурентов в нише и застолбить его за собой. Тем более учитывая, какую ставку делает Альтман на потенциал этого устройства (как источника золотых дождей и ванн для самого Альтмана).
Правда, подтверждающих документов о встрече пока не предоставляли, так что суд может быть и просто попыткой стартапа воспользоваться ситуацией и стрясти с OpenAI денег.
Однако слишком уж много у этой истории совпадений. Она напоминает скандал с названием самой OpenAI. Bloomberg уже писал, что компания Альтмана могла «позаимствовать» идею и имя у предпринимателя Гая Равина, который зарегистрировал торговую марку «Open AI» ещё в 2015 году – чуть раньше OpenAI.
Помните великий план Альтмана, который захантил целого Джони Айва, чтобы сделать «ИИ-устройство» нового поколения? Так вот, вокруг него, в духе компании, возник небольшой скандал. Компания OpenAI убрала с сайта промо-видео и упоминания о партнёрстве с бывшим дизайнером Apple из-за судебного запрета. Причина банальная – спор о торговой марке «io» со стартапом iyO.
iyO подала иск, утверждая, что OpenAI создаёт путаницу на рынке. Судья согласилась, мол, видео действительно может сбить потребителей с толку, ведь обе компании работают в сфере ИИ-устройств. OpenAI заявляет, что не согласна с претензиями и изучает варианты защиты.
Интересная деталь обнаружилась в документах иска. iyO утверждают, что встречались с OpenAI для обсуждения инвестиций и партнёрства, делясь конфиденциальными подробностями о своём продукте. Получается, OpenAI могла осознанно закрепить похожее название, чтобы опередить конкурентов в нише и застолбить его за собой. Тем более учитывая, какую ставку делает Альтман на потенциал этого устройства (как источника золотых дождей и ванн для самого Альтмана).
Правда, подтверждающих документов о встрече пока не предоставляли, так что суд может быть и просто попыткой стартапа воспользоваться ситуацией и стрясти с OpenAI денег.
Однако слишком уж много у этой истории совпадений. Она напоминает скандал с названием самой OpenAI. Bloomberg уже писал, что компания Альтмана могла «позаимствовать» идею и имя у предпринимателя Гая Равина, который зарегистрировал торговую марку «Open AI» ещё в 2015 году – чуть раньше OpenAI.
👍1
Вынужденное партнёрство Apple и Alibaba продолжается
Alibaba недавно выпустили обновлённые модели Qwen3 для устройств Apple. Формально это просто техническое обновление, а по факту – шаг в реализации давно обсуждаемой сделки.
Модели работают через фреймворк MLX прямо на чипах Apple – от iPhone до Mac Studio. Обработка данных происходит без отправки на серверы, что соответствует требованиям китайского законодательства. Код открытый.
Партнёрство с Alibaba для Apple – скорее навязанная необходимость. Продажи iPhone в Китае просели на 11%, и Apple видит одной из причин как раз отсустствие фишек на основе ИИ. Конкуренты вроде Huawei уже предлагают смартфоны с ИИ, да ещё и делают это на фоне воодушевления граждан Китая – после ряда явных успехов страны в сфере искусственного интеллекта. Пока местные производители монетизируют воодушевление граждан и хайп вокруг этой темы, Apple остаются не у дел.
Почему нельзя запустить Apple Intelligence в текущем виде? Международная версия Apple Intelligence работает на ChatGPT от OpenAI, но в Китае это невозможно – нужен местный провайдер, одобренный регуляторами.
В итоге выбор, судя по всему, пал на Qwen. Модели показывают приличные результаты на бенчмарках, но это скорее компромисс, а не преимущество. Особенно интересно смотреть, как Apple смиряется с требованиями китайского регулирования, на фоне попыток администрации Трампа перенести производство смартфонов в США и продвигать американские ИИ-разработки. Китайский рынок слишком важен, чтобы его терять – многие представители среднего класса в стране до сих пор любят и ценят iPhone, а не телефоны местных брендов.
Alibaba недавно выпустили обновлённые модели Qwen3 для устройств Apple. Формально это просто техническое обновление, а по факту – шаг в реализации давно обсуждаемой сделки.
Модели работают через фреймворк MLX прямо на чипах Apple – от iPhone до Mac Studio. Обработка данных происходит без отправки на серверы, что соответствует требованиям китайского законодательства. Код открытый.
Партнёрство с Alibaba для Apple – скорее навязанная необходимость. Продажи iPhone в Китае просели на 11%, и Apple видит одной из причин как раз отсустствие фишек на основе ИИ. Конкуренты вроде Huawei уже предлагают смартфоны с ИИ, да ещё и делают это на фоне воодушевления граждан Китая – после ряда явных успехов страны в сфере искусственного интеллекта. Пока местные производители монетизируют воодушевление граждан и хайп вокруг этой темы, Apple остаются не у дел.
Почему нельзя запустить Apple Intelligence в текущем виде? Международная версия Apple Intelligence работает на ChatGPT от OpenAI, но в Китае это невозможно – нужен местный провайдер, одобренный регуляторами.
В итоге выбор, судя по всему, пал на Qwen. Модели показывают приличные результаты на бенчмарках, но это скорее компромисс, а не преимущество. Особенно интересно смотреть, как Apple смиряется с требованиями китайского регулирования, на фоне попыток администрации Трампа перенести производство смартфонов в США и продвигать американские ИИ-разработки. Китайский рынок слишком важен, чтобы его терять – многие представители среднего класса в стране до сих пор любят и ценят iPhone, а не телефоны местных брендов.
Непотопляемый Perplexity?
Привычная схема работы Кремниевой долины дала сбой. Раньше всё было просто: крупные корпорации либо скупали перспективные стартапы на ранней стадии, либо копировали их функции с многократно большим бюджетом на разработку и маркетинг.
И вдруг в эру ИИ ситуация начала меняться. Сначала мы читали и о том, как Илья Суцкевер проигноровал предложенные Цукербергом 32 миллиарда. А за последнее время случилось кое-что ещё интереснее: целых 2 бигтеха, Meta* и Apple, пытались купить маленькую независимую компанию под названием Perplexity.
Цена не могла быть ниже 14 миллиардов долларов – это оценка компании по итогам последнего раунда инвестиций. А скорее всего была выше, учитывая примеры других приобретений ИИ-стартапов. Обе сделки не состоялись по разным причинам, которые не разглашаются.
Apple рассматривали покупку Perplexity на уровне топ-менеджмента. Вероятной причиной стало снижение количества поисковых запросов в Safari и убеждённости части менеджмента в том, что скоро ИИ-поиск придёт на смену стандартным поисковым системам. Разговоры о возможных планах Apple заменить Google на Perplexity в своём браузере уже велись раньше.
Почему продажа не состоялась? Возможно, ключевую роль сыграли отношения Perplexity со своими крупнейшими инвесторами – Nvidia и Amazon. Или амбиции CEO Perplexity Аравинда Шриниваса, который распланировал развитие компании на годы вперёд и в мечтах уже строит Bytedance of America.
* компания Meta и её продукты признаны экстремистскими в России.
Привычная схема работы Кремниевой долины дала сбой. Раньше всё было просто: крупные корпорации либо скупали перспективные стартапы на ранней стадии, либо копировали их функции с многократно большим бюджетом на разработку и маркетинг.
И вдруг в эру ИИ ситуация начала меняться. Сначала мы читали и о том, как Илья Суцкевер проигноровал предложенные Цукербергом 32 миллиарда. А за последнее время случилось кое-что ещё интереснее: целых 2 бигтеха, Meta* и Apple, пытались купить маленькую независимую компанию под названием Perplexity.
Цена не могла быть ниже 14 миллиардов долларов – это оценка компании по итогам последнего раунда инвестиций. А скорее всего была выше, учитывая примеры других приобретений ИИ-стартапов. Обе сделки не состоялись по разным причинам, которые не разглашаются.
Apple рассматривали покупку Perplexity на уровне топ-менеджмента. Вероятной причиной стало снижение количества поисковых запросов в Safari и убеждённости части менеджмента в том, что скоро ИИ-поиск придёт на смену стандартным поисковым системам. Разговоры о возможных планах Apple заменить Google на Perplexity в своём браузере уже велись раньше.
Почему продажа не состоялась? Возможно, ключевую роль сыграли отношения Perplexity со своими крупнейшими инвесторами – Nvidia и Amazon. Или амбиции CEO Perplexity Аравинда Шриниваса, который распланировал развитие компании на годы вперёд и в мечтах уже строит Bytedance of America.
* компания Meta и её продукты признаны экстремистскими в России.
👍2
xAI разрабатывает редактор файлов для Grok с поддержкой электронных таблиц
Об этом свидетельствует утечка кода, обнаруженная реверс-инженером Нимой Овджи. Ключевое отличие от конкурентов: решение планируется кроссплатформенное, в отличие от Gemini Workspace (работает только внутри экосистемы Google) или Microsoft Copilot (привязан к Office 365). Маск продолжает превращать X в «суперапп», который объединит посты, чаты, платежи и вот теперь, видимо, работу с документами.
Проблема в том, что построение такого комбайна на базе соцсети выглядит сомнительно. Пользователям придётся делать лишние шаги – загружать файлы в X вместо того, чтобы сразу открыть Excel или Google Sheets и получить доступ к ИИ-функциям. X как файлообменник тоже не прижился среди широкой аудитории. Впрочем, команда xAI может удивить – или вообще никогда не выпустить эту функцию в паблик, кто знает.
Об этом свидетельствует утечка кода, обнаруженная реверс-инженером Нимой Овджи. Ключевое отличие от конкурентов: решение планируется кроссплатформенное, в отличие от Gemini Workspace (работает только внутри экосистемы Google) или Microsoft Copilot (привязан к Office 365). Маск продолжает превращать X в «суперапп», который объединит посты, чаты, платежи и вот теперь, видимо, работу с документами.
Проблема в том, что построение такого комбайна на базе соцсети выглядит сомнительно. Пользователям придётся делать лишние шаги – загружать файлы в X вместо того, чтобы сразу открыть Excel или Google Sheets и получить доступ к ИИ-функциям. X как файлообменник тоже не прижился среди широкой аудитории. Впрочем, команда xAI может удивить – или вообще никогда не выпустить эту функцию в паблик, кто знает.
Стало ясно, почему Veo 3 получилась настолько лучше конкурентов
Секрет в использовании роликов с Ютуба
Google создавала Veo 3 – модель для генерации видео – на основе контента с YouTube. Платформы, которая очень кстати принадлежит им же. И если технически любой может использовать открытые ролики YouTube для обучения ИИ, то практически это задача не тривиальная.
Начиная с выгрузки терабайт данных с серверов и заканчивая обходом ограничений авторов, которые запретили использовать свой контент для обучения нейросетей. Правда, запрет распространяется на всех… Кроме Google. Они такими формальностями не обременены – имеют прямой доступ к серверам и могут законно делать с видео всё, что пожелают нужным.
Теперь стало понятнее, почему модель так хорошо справляется с влогами на любые темы – от Бабы Яги до библейского Ноя. Конкурентам догнать Google будет сложно, ведь у них нет доступа к такому объёму данных. Исключением могут стать владельцы стоков вроде Adobe, но они слишком щепетильно (по крайней мере, на словах) относятся к авторским правам.
На примере Google отлично видны преимущества экосистем в эпоху ИИ: удобно, когда и пользователи, и их данные существуют в рамках одной системы и повторно используются в разных продуктах.
Секрет в использовании роликов с Ютуба
Google создавала Veo 3 – модель для генерации видео – на основе контента с YouTube. Платформы, которая очень кстати принадлежит им же. И если технически любой может использовать открытые ролики YouTube для обучения ИИ, то практически это задача не тривиальная.
Начиная с выгрузки терабайт данных с серверов и заканчивая обходом ограничений авторов, которые запретили использовать свой контент для обучения нейросетей. Правда, запрет распространяется на всех… Кроме Google. Они такими формальностями не обременены – имеют прямой доступ к серверам и могут законно делать с видео всё, что пожелают нужным.
Теперь стало понятнее, почему модель так хорошо справляется с влогами на любые темы – от Бабы Яги до библейского Ноя. Конкурентам догнать Google будет сложно, ведь у них нет доступа к такому объёму данных. Исключением могут стать владельцы стоков вроде Adobe, но они слишком щепетильно (по крайней мере, на словах) относятся к авторским правам.
На примере Google отлично видны преимущества экосистем в эпоху ИИ: удобно, когда и пользователи, и их данные существуют в рамках одной системы и повторно используются в разных продуктах.
👍6
NtechLab научила ИИ находить забытые вещи
В компании разработали систему видеоаналитики, которая распознает потерянные и забытые предметы в общественных местах. Технологию планируют запустить в одном из московских парков, а потом внедрить в метро, на вокзалах и в аэропортах.
Система определяет объекты размером больше 20 на 20 см – сумки, чемоданы, рюкзаки. Заявляется, что алгоритм отличает действительно забытые вещи от предметов, которые просто находятся далеко от владельцев. Для каждой локации устанавливается свой временной порог: сколько минут сумка должна лежать без присмотра, чтобы система сочла её «потерянной».
Всё интегрируется с уже установленными камерами видеонаблюдения. Интересно, что продукт ориентирован сразу и на гражданский сектор, и на силовиков. Первым помогают искать потерянные вещи, а вторым – определять подозрительно лежащие или оставленные в общественных местах сумки. В итоге одна разработка монетизируется сразу через несколько сценариев использования.
Идея любопытная. Интересно только, как удастся избежать риска перегрузки системы оповещения и персонала из-за ложных срабатываний? ИИ должен различать множество сценариев: турист присел отдохнуть в стороне от багажа, пассажир отошёл в кафе в уборную, оставив чемодан у столика, и так далее. Вещи могут передавать из рук в руки или просто просить кого-то постороннего присмотреть. Ещё интересно, как система будет работать в час пик на толпе из сотен или даже тысяч людей.
В компании разработали систему видеоаналитики, которая распознает потерянные и забытые предметы в общественных местах. Технологию планируют запустить в одном из московских парков, а потом внедрить в метро, на вокзалах и в аэропортах.
Система определяет объекты размером больше 20 на 20 см – сумки, чемоданы, рюкзаки. Заявляется, что алгоритм отличает действительно забытые вещи от предметов, которые просто находятся далеко от владельцев. Для каждой локации устанавливается свой временной порог: сколько минут сумка должна лежать без присмотра, чтобы система сочла её «потерянной».
Всё интегрируется с уже установленными камерами видеонаблюдения. Интересно, что продукт ориентирован сразу и на гражданский сектор, и на силовиков. Первым помогают искать потерянные вещи, а вторым – определять подозрительно лежащие или оставленные в общественных местах сумки. В итоге одна разработка монетизируется сразу через несколько сценариев использования.
Идея любопытная. Интересно только, как удастся избежать риска перегрузки системы оповещения и персонала из-за ложных срабатываний? ИИ должен различать множество сценариев: турист присел отдохнуть в стороне от багажа, пассажир отошёл в кафе в уборную, оставив чемодан у столика, и так далее. Вещи могут передавать из рук в руки или просто просить кого-то постороннего присмотреть. Ещё интересно, как система будет работать в час пик на толпе из сотен или даже тысяч людей.
👍2